Kafka快速入门（Kafka Broker）节点服役和退役、手动调整副本

浅浅的花香味﹌ 2023-09-29 12:55 191阅读 0赞

## **Kafka Broker** ##

### 1. **Kafka Broker** **工作流程** ###

#### 1.1 **Zookeeper** **存储的** **Kafka** **信息** ####

（1）启动 Zookeeper 客户端。

bin/zkCli.sh

（2）通过 ls 命令可以查看 kafka 相关信息。

ls /kafka

Zookeeper中存储的Kafka 信息

![在这里插入图片描述][11fbd8166d24426eb001605bba227755.png]

#### 1.2 **Kafka Broker** **总体工作流程** ####

![在这里插入图片描述][0c446a39610344ec9c510f2d170f76cb.png]

**1**）模拟 **Kafka**上下线，**Zookeeper**中数据变化

（1）查看/kafka/brokers/ids 路径上的节点。

ls /kafka/brokers/ids
    
    [0, 1, 2]

（2）查看/kafka/controller 路径上的数据。

get /kafka/controller
    
    {
        "version":1,"brokerid":0,"timestamp":"1637292471777"}

（3）查看/kafka/brokers/topics/first/partitions/0/state 路径上的数据。

get /kafka/brokers/topics/first/partitions/0/state
        
    {
        "controller_epoch":24,"leader":0,"version":1,"leader_epoch":18,"isr":[0,1,2]}

（4）停止 hadoop104 上的 kafka。

bin/kafka-server-stop.sh

（5）再次查看/kafka/brokers/ids 路径上的节点

ls /kafka/brokers/ids
     
    [0, 1]

（6）再次查看/kafka/controller 路径上的数据。

get /kafka/controller
    
    {
        "version":1,"brokerid":0,"timestamp":"1637292471777"}

（7）再次查看/kafka/brokers/topics/first/partitions/0/state 路径上的数据。

get /kafka/brokers/topics/first/partitions/0/state
    
    {
        "controller_epoch":24,"leader":0,"version":1,"leader_epoch":18,"isr":[0,1]}

（8）启动 hadoop104 上的 kafka。

bin/kafka-server-start.sh -daemon ./config/server.properties

（9）再次观察（1）、（2）、（3）步骤中的内容。

#### **1.3 Broker** **重要参数** ####

<table> 
 <thead> 
  <tr> 
   <th>-参数名称</th> 
   <th>-描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>replica.lag.time.max.ms</td> 
   <td>ISR 中，如果 Follower 长时间未向 Leader 发送通信请求或同步数据，则该 Follower 将被踢出 ISR。该时间阈值，<font>默认 30s</font>。</td> 
  </tr> 
  <tr> 
   <td>auto.leader.rebalance.enable</td> 
   <td><font>默认是 true</font>。 自动 Leader Partition 平衡。</td> 
  </tr> 
  <tr> 
   <td>leader.imbalance.per.broker.percentage</td> 
   <td><font>默认是 10%</font>。每个 broker 允许的不平衡的 leader的比率。如果每个 broker 超过了这个值，控制器会触发 leader 的平衡。</td> 
  </tr> 
  <tr> 
   <td>leader.imbalance.check.interval.seconds</td> 
   <td><font>默认值 300 秒</font>。检查 leader 负载是否平衡的间隔时间。</td> 
  </tr> 
  <tr> 
   <td>log.segment.bytes</td> 
   <td>Kafka 中 log 日志是分成一块块存储的，此配置是指 log 日志划分 成块的大小，<font>默认值 1G</font>。</td> 
  </tr> 
  <tr> 
   <td>log.index.interval.bytes</td> 
   <td><font>默认 4kb</font>，kafka 里面每当写入了 4kb 大小的日志（.log），然后就往 index 文件里面记录一个索引。</td> 
  </tr> 
  <tr> 
   <td>log.retention.hours</td> 
   <td>Kafka 中数据保存的时间，<font>默认 7 天</font>。</td> 
  </tr> 
  <tr> 
   <td>log.retention.minutes</td> 
   <td>Kafka 中数据保存的时间，<font>分钟级别</font>，默认关闭。</td> 
  </tr> 
  <tr> 
   <td>log.retention.ms</td> 
   <td>Kafka 中数据保存的时间，<font>毫秒级别</font>，默认关闭。</td> 
  </tr> 
  <tr> 
   <td>log.retention.check.interval.ms</td> 
   <td>检查数据是否保存超时的间隔，<font>默认是 5 分钟</font>。</td> 
  </tr> 
  <tr> 
   <td>log.retention.bytes</td> 
   <td><font>默认等于-1，表示无穷大</font>。超过设置的所有日志总大小，删除最早的 segment。</td> 
  </tr> 
  <tr> 
   <td>log.cleanup.policy</td> 
   <td><font>默认是 delete</font>，表示所有数据启用删除策略；如果设置值为 compact，表示所有数据启用压缩策略。</td> 
  </tr> 
  <tr> 
   <td>num.io.threads</td> 
   <td><font>默认是 8</font>。负责写磁盘的线程数。整个参数值要占总核数的 50%。</td> 
  </tr> 
  <tr> 
   <td>num.replica.fetchers</td> 
   <td>副本拉取线程数，这个参数占总核数的 50%的 1/3</td> 
  </tr> 
  <tr> 
   <td>num.network.threads</td> 
   <td><font>默认是 3</font>。数据传输线程数，这个参数占总核数的50%的 2/3 。</td> 
  </tr> 
  <tr> 
   <td>log.flush.interval.messages</td> 
   <td>强制页缓存刷写到磁盘的条数，默认是 long 的最大值，9223372036854775807。一般不建议修改，交给系统自己管理。</td> 
  </tr> 
  <tr> 
   <td>log.flush.interval.ms</td> 
   <td>每隔多久，刷数据到磁盘，默认是 null。一般不建议修改，交给系统自己管理。</td> 
  </tr> 
 </tbody> 
</table>

### 2. **节点服役和退役** ###

#### 2.1 服役新节点 ####

**1**）新节点准备

(**1**)设置新增机器

vim /etc/hostname
    hadoop105

新增 haodoop105 中 kafka 的 broker.id 为 3。

（**2**）启动 hadoop102、hadoop103、hadoop104 上的 kafka 集群。

（**3**）单独启动 hadoop105 中的 kafka。

**2**）执行负载均衡操作

（1）创建一个要均衡的主题.

vim topics-to-move.json
    
    {
        
     "topics": [
     {
        "topic": "first"}
     ],
     "version": 1
    }

（2）生成一个负载均衡的计划。

bin/kafka-reassign-partitions.sh --bootstrap-server hadoop102:9092 --topics-to-move-json-file topics-to-move.json --broker-list "0,1,2,3" --generate
    
    Current partition replica assignment
    {
        "version":1,"partitions":[{
        "topic":"first","partition":0,"replicas":[0,2,1],"log_dirs":["any","any","any"]},{
        "topic":"first","partition":1,"replicas":[2,1,0],"log_dirs":["any","any","any"]},{
        "topic":"first","partition":2,"replicas":[1,0,2],"log_dirs":["any","any","any"]}]}
    Proposed partition reassignment configuration
    {
        "version":1,"partitions":[{
        "topic":"first","partition":0,"replicas":[2,3,0],"log_dirs":["any","any","any"]},{
        "topic":"first","partition":1,"replicas":[3,0,1],"log_dirs":["any","any","any"]},{
        "topic":"first","partition":2,"replicas":[0,1,2],"log_dirs":["any","any","any"]}]}

（3）创建副本存储计划（所有副本存储在 broker0、broker1、broker2、broker3 中）。

vim increase-replication-factor.json

输入如下内容：

{
        "version":1,"partitions":[{
        "topic":"first","partition":0,"replicas":[2,3,0],"log_dirs":["any","any","any"]},{
        "topic":"first","partition":1,"replicas":[3,0,1],"log_dirs":["any","any","any"]},{
        "topic":"first","partition":2,"replicas":[0,1,2],"log_dirs":["any","any","any"]}]}

（4）执行副本存储计划。

bin/kafka-reassign-partitions.sh --bootstrap-server hadoop102:9092 --reassignment-json-file increase-replication-factor.json --execute

（5）验证副本存储计划。

bin/kafka-reassign-partitions.sh --bootstrap-server hadoop102:9092 --reassignment-json-file increase-replication-factor.json --verify
    
    Status of partition reassignment:
    Reassignment of partition first-0 is complete.
    Reassignment of partition first-1 is complete.
    Reassignment of partition first-2 is complete.
    
    Clearing broker-level throttles on brokers 0,1,2,3
    Clearing topic-level throttles on topic first

#### 2.2 **退役旧节点** ####

**1**）执行负载均衡操作

先按照退役一台节点，生成执行计划，然后按照服役时操作流程执行负载均衡。

（1）创建一个要均衡的主题。

vim topics-to-move.json
    
    {
        
     "topics": [
     {
        "topic": "first"}
     ],
     "version": 1
    }

（2）创建执行计划。

bin/kafka-reassign-partitions.sh --bootstrap-server hadoop102:9092 --topics-to-move-json-file topics-to-move.json --broker-list "0,1,2" --generate
    
    Current partition replica assignment
    {
        "version":1,"partitions":[{
        "topic":"first","partition":0,"replicas":[2,0,1],"log_dirs":["any","any","any"]},{
        "topic":"first","partition":1,"replicas":[3,1,2],"log_dirs":["any","any","any"]},{
        "topic":"first","partition":2,"replicas":[0,2,3],"log_dirs":["any","any","any"]}]}
    Proposed partition reassignment configuration
    {
        "version":1,"partitions":[{
        "topic":"first","partition":0,"replicas":[2,0,1],"log_dirs":["any","any","any"]},{
        "topic":"first","partition":1,"replicas":[0,1,2],"log_dirs":["any","any","any"]},{
        "topic":"first","partition":2,"replicas":[1,2,0],"log_dirs":["any","any","any"]}]}

（3）创建副本存储计划（所有副本存储在 broker0、broker1、broker2 中）。

vim increase-replication-factor.json
    
    {
        "version":1,"partitions":[{
        "topic":"first","partition":0,"replicas":[2,0,1],"log_dirs":["any","any","any"]},{
        "topic":"first","partition":1,"replicas":[0,1,2],"log_dirs":["any","any","any"]},{
        "topic":"first","partition":2,"replicas":[1,2,0],"log_dirs":["any","any","any"]}]}

（4）执行副本存储计划。

bin/kafka-reassign-partitions.sh --bootstrap-server hadoop102:9092 --reassignment-json-file increase-replication-factor.json --execute

（5）验证副本存储计划。

bin/kafka-reassign-partitions.sh --bootstrap-server hadoop102:9092 --reassignment-json-file increase-replication-factor.json --verify

**2**）执行停止命令

在 hadoop105 上执行停止命令即可。

bin/kafka-server-stop.sh

### 3. Kafka副本 ###

#### 3.1**副本基本信息** ####

（1）Kafka 副本作用：提高数据可靠性。

（2）Kafka 默认副本 1 个，生产环境一般配置为 2 个，保证数据可靠性；太多副本会增加磁盘存储空间，增加网络上数据传输，降低效率。

（3）Kafka 中副本分为：Leader 和 Follower。Kafka 生产者只会把数据发往 Leader，然后 Follower 找 Leader 进行同步数据。

（4）Kafka 分区中的所有副本统称为 AR（Assigned Repllicas）。

AR = ISR + OSR

**ISR**，表示和 Leader 保持同步的 Follower 集合。如果 Follower 长时间未向 Leader 发送通信请求或同步数据，则该 Follower 将被踢出 ISR。该时间阈值由 **replica.lag.time.max.ms**

参数设定，默认 30s。Leader 发生故障之后，就会从 ISR 中选举新的 Leader。

**OSR**，表示 Follower 与 Leader 副本同步时，延迟过多的副本。

#### **3.2 Leader** **选举流程** ####

Kafka 集群中有一个 broker 的 Controller 会被选举为 Controller Leader，负责管理集群broker 的上下线，所有 topic 的分区副本分配和 Leader 选举等工作。

Controller 的信息同步工作是依赖于 Zookeeper 的。

![在这里插入图片描述][b6666409e3da4977ae9171cb23b5cdd8.png]

（1）创建一个新的 topic，4 个分区，4 个副本

bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --create --topic atguigu1 --partitions 4 --replication-factor 4
    Created topic atguigu1

（2）查看 Leader 分布情况

bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --describe --topic atguigu1
    
    Topic: atguigu1 TopicId: awpgX_7WR-OX3Vl6HE8sVg PartitionCount: 4 ReplicationFactor: 4
    Configs: segment.bytes=1073741824
    Topic: atguigu1 Partition: 0 Leader: 3 Replicas: 3,0,2,1 Isr: 3,0,2,1
    Topic: atguigu1 Partition: 1 Leader: 1 Replicas: 1,2,3,0 Isr: 1,2,3,0
    Topic: atguigu1 Partition: 2 Leader: 0 Replicas: 0,3,1,2 Isr: 0,3,1,2
    Topic: atguigu1 Partition: 3 Leader: 2 Replicas: 2,1,0,3 Isr: 2,1,0,3

（3）停止掉 hadoop105 的 kafka 进程，并查看 Leader 分区情况

bin/kafka-server-stop.sh
    
     bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --describe 
    --topic atguigu1
    Topic: atguigu1 TopicId: awpgX_7WR-OX3Vl6HE8sVg PartitionCount: 4 ReplicationFactor: 4
    Configs: segment.bytes=1073741824
    Topic: atguigu1 Partition: 0 Leader: 0 Replicas: 3,0,2,1 Isr: 0,2,1
    Topic: atguigu1 Partition: 1 Leader: 1 Replicas: 1,2,3,0 Isr: 1,2,0
    Topic: atguigu1 Partition: 2 Leader: 0 Replicas: 0,3,1,2 Isr: 0,1,2
    Topic: atguigu1 Partition: 3 Leader: 2 Replicas: 2,1,0,3 Isr: 2,1,0

（4）停止掉 hadoop104 的 kafka 进程，并查看 Leader 分区情况

bin/kafka-server-stop.sh
    
    bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --describe 
    --topic atguigu1
    Topic: atguigu1 TopicId: awpgX_7WR-OX3Vl6HE8sVg PartitionCount: 4 ReplicationFactor: 4
    Configs: segment.bytes=1073741824
    Topic: atguigu1 Partition: 0 Leader: 0 Replicas: 3,0,2,1 Isr: 0,1
    Topic: atguigu1 Partition: 1 Leader: 1 Replicas: 1,2,3,0 Isr: 1,0
    Topic: atguigu1 Partition: 2 Leader: 0 Replicas: 0,3,1,2 Isr: 0,1
    Topic: atguigu1 Partition: 3 Leader: 1 Replicas: 2,1,0,3 Isr: 1,0

（5）启动 hadoop105 的 kafka 进程，并查看 Leader 分区情况

bin/kafka-server-start.sh -daemon config/server.properties
    
     bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --describe 
    --topic atguigu1
    Topic: atguigu1 TopicId: awpgX_7WR-OX3Vl6HE8sVg PartitionCount: 4 ReplicationFactor: 4
    Configs: segment.bytes=1073741824
    Topic: atguigu1 Partition: 0 Leader: 0 Replicas: 3,0,2,1 Isr: 0,1,3
    Topic: atguigu1 Partition: 1 Leader: 1 Replicas: 1,2,3,0 Isr: 1,0,3
    Topic: atguigu1 Partition: 2 Leader: 0 Replicas: 0,3,1,2 Isr: 0,1,3
    Topic: atguigu1 Partition: 3 Leader: 1 Replicas: 2,1,0,3 Isr: 1,0,3

（6）启动 hadoop104 的 kafka 进程，并查看 Leader 分区情况

bin/kafka-server-start.sh -daemon config/server.properties
    
    bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --describe 
    --topic atguigu1
    Topic: atguigu1 TopicId: awpgX_7WR-OX3Vl6HE8sVg PartitionCount: 4 ReplicationFactor: 4
    Configs: segment.bytes=1073741824
    Topic: atguigu1 Partition: 0 Leader: 0 Replicas: 3,0,2,1 Isr: 0,1,3,2
    Topic: atguigu1 Partition: 1 Leader: 1 Replicas: 1,2,3,0 Isr: 1,0,3,2
    Topic: atguigu1 Partition: 2 Leader: 0 Replicas: 0,3,1,2 Isr: 0,1,3,2
    Topic: atguigu1 Partition: 3 Leader: 1 Replicas: 2,1,0,3 Isr: 1,0,3,2

（7）停止掉 hadoop103 的 kafka 进程，并查看 Leader 分区情况

bin/kafka-server-stop.sh
     
      bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --describe 
    --topic atguigu1
    Topic: atguigu1 TopicId: awpgX_7WR-OX3Vl6HE8sVg PartitionCount: 4 ReplicationFactor: 4
    Configs: segment.bytes=1073741824
    Topic: atguigu1 Partition: 0 Leader: 0 Replicas: 3,0,2,1 Isr: 0,3,2
    Topic: atguigu1 Partition: 1 Leader: 2 Replicas: 1,2,3,0 Isr: 0,3,2
    Topic: atguigu1 Partition: 2 Leader: 0 Replicas: 0,3,1,2 Isr: 0,3,2
    Topic: atguigu1 Partition: 3 Leader: 2 Replicas: 2,1,0,3 Isr: 0,3,2

#### 3.3**Leader** **和** **Follower** **故障处理细节** ####

Follower故障处理细节  
![在这里插入图片描述][5bca2309f08f4c94b771597b70c82f15.png]

Leader故障处理细节

![在这里插入图片描述][da850cac816944e1b3db58a9e25c536d.png]

#### **3.4** **分区副本分配** ####

如果 kafka 服务器只有 4 个节点，那么设置 kafka 的分区数大于服务器台数，在 kafka底层如何分配存储副本呢？

1）创建 16 分区，3 个副本\\

（1）创建一个新的 topic，名称为 second。

bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --create --partitions 16 --replication-factor 3 --topic second

（2）查看分区和副本情况。

bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --describe --topic second
    
    Topic: second4 Partition: 0 Leader: 0 Replicas: 0,1,2 Isr: 0,1,2
    Topic: second4 Partition: 1 Leader: 1 Replicas: 1,2,3 Isr: 1,2,3
    Topic: second4 Partition: 2 Leader: 2 Replicas: 2,3,0 Isr: 2,3,0
    Topic: second4 Partition: 3 Leader: 3 Replicas: 3,0,1 Isr: 3,0,1
    Topic: second4 Partition: 4 Leader: 0 Replicas: 0,2,3 Isr: 0,2,3
    Topic: second4 Partition: 5 Leader: 1 Replicas: 1,3,0 Isr: 1,3,0
    Topic: second4 Partition: 6 Leader: 2 Replicas: 2,0,1 Isr: 2,0,1
    Topic: second4 Partition: 7 Leader: 3 Replicas: 3,1,2 Isr: 3,1,2
    Topic: second4 Partition: 8 Leader: 0 Replicas: 0,3,1 Isr: 0,3,1
    Topic: second4 Partition: 9 Leader: 1 Replicas: 1,0,2 Isr: 1,0,2
    Topic: second4 Partition: 10 Leader: 2 Replicas: 2,1,3 Isr: 2,1,3
    Topic: second4 Partition: 11 Leader: 3 Replicas: 3,2,0 Isr: 3,2,0
    Topic: second4 Partition: 12 Leader: 0 Replicas: 0,1,2 Isr: 0,1,2
    Topic: second4 Partition: 13 Leader: 1 Replicas: 1,2,3 Isr: 1,2,3
    Topic: second4 Partition: 14 Leader: 2 Replicas: 2,3,0 Isr: 2,3,0
    Topic: second4 Partition: 15 Leader: 3 Replicas: 3,0,1 Isr: 3,0,1

#### **3.5** 手动调整分区副本存储 ####

需求：创建一个新的topic，4个分区，两个副本，名称为three。将 该topic的所有副本都存储到broker0和

broker1两台服务器上。

![在这里插入图片描述][db5cc0f0f57241b78c3bcb7cca60d605.png]

手动调整分区副本存储的步骤如下：

（1）创建一个新的 topic，名称为 three。

bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --create --partitions 4 --replication-factor 2 --topic three

（2）查看分区副本存储情况。

bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --describe --topic three

（3）创建副本存储计划（所有副本都指定存储在 broker0、broker1 中）。

vim increase-replication-factor.json
    
    输入如下内容：
    {
        
    "version":1,
    "partitions":[{
        "topic":"three","partition":0,"replicas":[0,1]},
    {
        "topic":"three","partition":1,"replicas":[0,1]},
    {
        "topic":"three","partition":2,"replicas":[1,0]},
    {
        "topic":"three","partition":3,"replicas":[1,0]}] 
    }

0,1代表集群的broker节点id

（4）执行副本存储计划。

kafka]$ bin/kafka-reassign-partitions.sh --bootstrap-server hadoop102:9092 --reassignment-json-file increase-replication-factor.json --execute

（5）验证副本存储计划。

bin/kafka-reassign-partitions.sh --bootstrap-server hadoop102:9092 --reassignment-json-file increase-replication-factor.json --verify

（6）查看分区副本存储情况。

bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --describe --topic three

#### 3.6 **Leader Partition** **负载平衡** ####

正常情况下，Kafka本身会自动把Leader Partition均匀分散在各个机器上，来保证每台机器的读写吞吐量都是均匀的。但是如果某 些broker宕机，会导致Leader Partition过于集中在其他少部分几台broker上，这会导致少数几台broker的读写请求压力过高，其他宕机的broker重启之后都是follower partition，读写请求很低，造成集群负载不均衡。

![在这里插入图片描述][2ef7239b63d1434c8036bba02386d035.png]

<table> 
 <thead> 
  <tr> 
   <th>-参数名称</th> 
   <th>-描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>auto.leader.rebalance.enable</td> 
   <td>默认是 true。 自动 Leader Partition 平衡。生产环境中，leader 重选举的代价比较大，可能会带来性能影响，建议设置为 false 关闭。</td> 
  </tr> 
  <tr> 
   <td>leader.imbalance.per.broker.percentage</td> 
   <td>默认是 10%。每个 broker 允许的不平衡的 leader的比率。如果每个 broker 超过了这个值，控制器会触发 leader 的平衡。</td> 
  </tr> 
  <tr> 
   <td>leader.imbalance.check.interval.seconds</td> 
   <td>默认值 300 秒。检查 leader 负载是否平衡的间隔时间。</td> 
  </tr> 
 </tbody> 
</table>

#### **3.7** 增加副本因子 ####

在生产环境当中，由于某个主题的重要等级需要提升，我们考虑增加副本。副本数的增加需要先制定计划，然后根据计划执行。

1）创建 topic

bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --create --partitions 3 --replication-factor 1 --topic four

2）手动增加副本存储

（1）创建副本存储计划（所有副本都指定存储在 broker0、broker1、broker2 中）。

vim increase-replication-factor.json

输入如下内容：

{
        "version":1,"partitions":[{
        "topic":"four","partition":0,"replicas":[0,1,2]},{
        "topic":"four","partition":1,"replicas":[0,1,2]},{
        "topic":"four","partition":2,"replicas":[0,1,2]}]}

（2）执行副本存储计划。

bin/kafka-reassign-partitions.sh --bootstrap-server hadoop102:9092 --reassignment-json-file increase-replication-factor.json --execute

### **4**. **文件存储** ###

#### **4.1** **文件存储机制** ####

**1**）**Topic**数据的存储机制

![在这里插入图片描述][6a3ec3bcac4f4860bcbc76a27ac670c1.png]

**2**）**Topic** **数据到底存储在什么位置？**

（1）启动生产者，并发送消息。

bin/kafka-console-producer.sh --bootstrap-server hadoop102:9092 --topic first
    >hello world

（2）查看 hadoop102（或者 hadoop103、hadoop104）的/opt/module/kafka/datas/first-1 （first-0、first-2）路径上的文件。

ls
    00000000000000000092.index
    00000000000000000092.log
    00000000000000000092.snapshot
    00000000000000000092.timeindex
    leader-epoch-checkpoint
    partition.metadata

（3）直接查看 log 日志，发现是乱码。

cat 00000000000000000092.log

（4）通过工具查看 index 和 log 信息。

kafka-run-class.sh kafka.tools.DumpLogSegments --files ./00000000000000000000.index
    
    Dumping ./00000000000000000000.index
    offset: 3 position: 152
    
    kafka-run-class.sh kafka.tools.DumpLogSegments --files ./00000000000000000000.log

**3**）**index**文件和 **log** **文件详解**

![在这里插入图片描述][1e20459545f346a4804aa9ba76b3f278.png]

说明：日志存储参数配置

<table> 
 <thead> 
  <tr> 
   <th>-参数</th> 
   <th>-描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>log.segment.bytes</td> 
   <td>Kafka 中 log 日志是分成一块块存储的，此配置是指 log 日志划分成块的大小，<font>默认值 1G</font>。</td> 
  </tr> 
  <tr> 
   <td>log.index.interval.bytes</td> 
   <td><font>默认 4kb</font>，kafka 里面每当写入了 4kb 大小的日志（.log），然后就往 index 文件里面记录一个索引。 稀疏索引。</td> 
  </tr> 
 </tbody> 
</table>

#### **4.2** **文件清理策略** ####

Kafka 中默认的日志保存时间为 7 天，可以通过调整如下参数修改保存时间。

*  log.retention.hours，最低优先级小时，默认 7 天。
 *  log.retention.minutes，分钟。
 *  log.retention.ms，最高优先级毫秒。
 *  log.retention.check.interval.ms，负责设置检查周期，默认 5 分钟

日志一旦超过了设置的时间，Kafka 中提供的日志清理策略有 delete 和 compact 两种。

1）delete 日志删除：将过期数据删除

log.cleanup.policy = delete 所有数据启用删除策略

（1）基于时间：默认打开。以 segment 中所有记录中的最大时间戳作为该文件时间戳。

（2）基于大小：默认关闭，。超过设置的所有日志总大小，删除最早的 segment。

log.retention.bytes，默认等于-1，表示无穷大

如果一个 segment 中有一部分数据过期，一部分没有过期，会以最后的时间为准

![在这里插入图片描述][ae5239201be14a52896660c5563a5c0c.png]

2）compact 日志压缩

compact日志压缩：对于相同key的不同value值，只保留最后一个版本。

log.cleanup.policy = compact 所有数据启用压缩策略

![在这里插入图片描述][774bb2c7cad34644aa2ed2cdb2cfaff3.png]

压缩后的offset可能是不连续的，比如上图中没有6，当从这些offset消费消息时，将会拿到比这个offset大的offset对应的消息，实际上会拿到offset为7的消息，并从这个位置开始消费。

这种策略只适合特殊场景，比如消息的key是用户ID，value是用户的资料，通过这种压缩策略，整个消息集里就保存了所有用户最新的资料。

### **5. 高效读写数据** ###

**1**）**Kafka** **本身是分布式集群，可以采用分区技术，并行度高**

**2**）**读数据采用稀疏索引，可以快速定位要消费的数据**

**3**）**顺序写磁盘**

Kafka 的 producer 生产数据，要写入到 log 文件中，写的过程是一直追加到文件末端，为顺序写。**官网有数据表明**，同样的磁盘，顺序写能到 600M/s，而随机写只有 100K/s。这与磁盘的机械机构有关，顺序写之所以快，是因为其省去了大量磁头寻址的时间。

![在这里插入图片描述][b7840ba141404013b3840c000a41adda.png]

**4**）页缓存 **+** **零拷贝技术**

**零拷贝**Kafka的数据加工处理操作交由Kafka生产者和Kafka消费者处理。Kafka Broker应用层不关心存储的数据，所以就不用走应用层，传输效率高。

**PageCache**页缓存：Kafka重度依赖底层操作系统提供的`PageCache`功 能。当上层有写操作时，操作系统只是将数据写入PageCache。当读操作发生时，先从`PageCache`中查找，如果找不到，再去磁盘中读取。实际上PageCache是把尽可能多的空闲内存都当做了磁盘缓存来使用。

![在这里插入图片描述][2bf570608e8f46428cbc68f3b3a23fe9.png]

<table> 
 <thead> 
  <tr> 
   <th>-参数</th> 
   <th>-描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>log.flush.interval.messages</td> 
   <td>强制页缓存刷写到磁盘的条数，默认是 long 的最大值，9223372036854775807。一般不建议修改，交给系统自己管理。</td> 
  </tr> 
  <tr> 
   <td>log.flush.interval.ms</td> 
   <td>每隔多久，刷数据到磁盘，默认是 null。一般不建议修改，交给系统自己管理。</td> 
  </tr> 
 </tbody> 
</table>

笔记来自[b站尚硅谷][b]

[11fbd8166d24426eb001605bba227755.png]: https://img-blog.csdnimg.cn/11fbd8166d24426eb001605bba227755.png
[0c446a39610344ec9c510f2d170f76cb.png]: https://img-blog.csdnimg.cn/0c446a39610344ec9c510f2d170f76cb.png
[b6666409e3da4977ae9171cb23b5cdd8.png]: https://img-blog.csdnimg.cn/b6666409e3da4977ae9171cb23b5cdd8.png
[5bca2309f08f4c94b771597b70c82f15.png]: https://img-blog.csdnimg.cn/5bca2309f08f4c94b771597b70c82f15.png
[da850cac816944e1b3db58a9e25c536d.png]: https://img-blog.csdnimg.cn/da850cac816944e1b3db58a9e25c536d.png
[db5cc0f0f57241b78c3bcb7cca60d605.png]: https://img-blog.csdnimg.cn/db5cc0f0f57241b78c3bcb7cca60d605.png
[2ef7239b63d1434c8036bba02386d035.png]: https://img-blog.csdnimg.cn/2ef7239b63d1434c8036bba02386d035.png
[6a3ec3bcac4f4860bcbc76a27ac670c1.png]: https://img-blog.csdnimg.cn/6a3ec3bcac4f4860bcbc76a27ac670c1.png
[1e20459545f346a4804aa9ba76b3f278.png]: https://img-blog.csdnimg.cn/1e20459545f346a4804aa9ba76b3f278.png
[ae5239201be14a52896660c5563a5c0c.png]: https://img-blog.csdnimg.cn/ae5239201be14a52896660c5563a5c0c.png
[774bb2c7cad34644aa2ed2cdb2cfaff3.png]: https://img-blog.csdnimg.cn/774bb2c7cad34644aa2ed2cdb2cfaff3.png
[b7840ba141404013b3840c000a41adda.png]: https://img-blog.csdnimg.cn/b7840ba141404013b3840c000a41adda.png
[2bf570608e8f46428cbc68f3b3a23fe9.png]: https://img-blog.csdnimg.cn/2bf570608e8f46428cbc68f3b3a23fe9.png
[b]: https://space.bilibili.com/302417610?spm_id_from=333.788.b_765f7570696e666f.1